改進的交互多模型粒子濾波算法在機動目標跟蹤中的應用.pdf

1、目標跟蹤是研究目標運動不能被準確描述的目標運動估計的問題，它被廣泛的應用于航海、航空以及安全防御等領(lǐng)域的跟蹤、定位以及目標攔截等系統(tǒng)中。目標跟蹤算法的主要內(nèi)容包括建立能夠準確地描述目標運動狀態(tài)的數(shù)學模型和設(shè)計與之相匹配的能夠進行精確地狀態(tài)估計的濾波算法。
　　 由于現(xiàn)代目標跟蹤問題變的越來越復雜，目標機動性越來越高，所以對于目標跟蹤算法的跟蹤性能的要求也越來越高。主要的建模方法包括勻速直線運動模型、勻加速直線運動模型和機動轉(zhuǎn)彎模

2、型等。其中近年來提出的交互式多模型(Interacting-Multiple Model，IMM)算法在解決機動目標跟蹤問題時較為有效，IMM算法是利用假設(shè)的描述目標機動方式的多個模型來對目標進行跟蹤。傳統(tǒng)的IMM算法的子模型通常選用卡爾曼濾波器，由于卡爾曼線濾波算法要求狀態(tài)空間模型為線性高斯白噪聲模型。然而即使IMM的每個模型的狀態(tài)后驗概率密度為高斯分布，但進行交互后它的的概率密度也可能變成非高斯分布的形式，使得傳統(tǒng)的IMM算法的應用

3、具有一定的局限性，所以需要研究選取合適的匹配濾波算法。
　　 粒子濾波算法是一種通過蒙特卡羅模擬實現(xiàn)的遞推次優(yōu)貝葉斯估計算法，當目標處于強非線性或者高度機動性的情況下，其濾波性能相對很高，精度可近似逼進最優(yōu)估計并且使用靈活、容易實現(xiàn)，且具有并行運算結(jié)構(gòu)和實用性強的特點，所以在目標跟蹤領(lǐng)域具有廣泛的應用。
　　 本文主要對交互式多模型粒子濾波算法進行了深入的研究。通過研究目標建模方法和濾波估計理論對交互多模型粒子濾波算法的

4、算法原理進行詳細分析，然后介紹了交互多模型與粒子濾波算法相結(jié)合應用在強非線性條件下并和以往的與KF算法和EKF算法相結(jié)合的傳統(tǒng)的交互多模型算法的濾波性能進行比較。提出傳統(tǒng)的交互多模型粒子濾波算法存在的問題并針對提出的問題對交互多模型粒子濾波算法進行改進。具體的改進方法是通過調(diào)整目標狀態(tài)方程的似然函數(shù)來調(diào)整粒子權(quán)重值，使得采樣粒子更加接近狀態(tài)真實值，從而使后驗概率的估計更加準確得到的機動目標跟蹤的估計結(jié)果更加精確，并通過MATLAB仿真實